UT-Austin郑跃兵团队近年来工作概览

郑跃兵，美国德克萨斯大学奥斯汀分校（UT-Austin）机械工程系终身教授。郑教授于2001年在南开大学物理学院获本科学位。2010年在宾夕法尼亚州立大学获工程科学与力学博士学位，于2010至2013年在加利福尼亚大学洛杉矶分校担任博士后研究员。目前已在Nature Photonics、Nature Communications、Science Advances、Chemical Reviews、Nature Reviews Chemistry、Advanced Materials、ACS Nano、Nano Letters、Materials Today  等国际著名刊物上发表论文160余篇。他的研究被媒体报道超过150次（例如Discovery Channel和Times）。他曾获得多项奖励，包括：University Co-op Research Excellence Award for Best Paper、Materials Today Rising Star Award、NIH Director's New Innovation Award、NASA Career Award、ONR Young Investigator Award、Beckman Young Investigator Award。

郑跃兵教授

郑跃兵团队致力于创新先进的光学操作和测量技术，应用于生物和纳米尺度领域。具体而言，团队的目标是：（1）推动对光与物质相互作用和光-热-流多物理学基本认识的边界探索，这对于推动光学操作和测量至关重要；（2）开发光学操作和测量技术，推动生命科学和纳米科学的进展，并实现新型材料、器件和机器人来解决健康、能源、环境和信息技术等领域的重大难题；（3）通过利用机器学习增强设计和数据分析在光学操作和测量领域进一步实现突破性的发现和创新（见图1）。本文简述郑跃兵团队近年来取得的一些代表性成果。

图 1. UT-Austin郑跃兵团队研究课题概况

1. 利用光对生物材料和纳米材料进行操控和测量

光镊由贝尔实验室的Arthur Ashkin发明，并因其在物理学领域的重大贡献而获得了诺贝尔物理学奖，成为远程操控和研究生物细胞和分子的标准方法。郑跃兵团队发明了一系列热介导的光学操控技术（ACS Nano, 2023, DOI: 10.1021/acsnano.3c00536; Chem. Commun., 2023, 59, 2208; Chem. Rev., 2022, 122, 3122; Sci. Adv., 2021, 7, eabh1101; Light: Sci. Appl., 2020, 9, 34; Nat. Commun., 2019, 10, 5672; Nat. Photonics, 2018, 12, 195; ACS Nano, 2018, 12, 10383; ACS Nano, 2017, 11, 3147; Lab Chip, 2017, 17, 3061），打破了现有光镊的瓶颈，具有多个方面的优势，例如扩展的工作模式、低光功率、样品损伤降低和易于操作（见图2）。这些技术使得生命科学和纳米科学领域的一些相关新研究成为可能。例如，模拟体内细胞粘附在亚细胞水平上实现靶细胞均匀和非均匀结合动力学的无标记测定（eLight, 2022, 2, 13）；以及利用金属和介电胶体粒子构建全光学可重构手性超分子（Mater. Today, 2019, 25, 10）。它们还使得开发新型纳米机器人（ACS Nano, 2023, DOI: 10.1021/acsnano.3c00583; ACS Nano, 2022, 16, 10878; Sci. Adv., 2022, 8, eabn8498; ACS Nano, 2022, 16, 8820; Light: Sci. Appl., 2020, 9, 141）、即时诊断设备（ACS Nano, 2021, 15, 6448）和纳米结构材料（Aggregate, 2022, 3, e189; Sci. Adv., 2017, 3, e1700458; Nano Lett., 2016, 16, 701）成为可能，以广泛应用于健康、信息技术、绿色能源和环境等领域。

图2. 热介导光学操控概述（Chem. Rev., 2022, 122, 3122）

2. 利用纳米结构材料操控和利用光

当离散的纳米结构被排列成纳米结构材料（例如，超材料），新的光学现象就有可能出现，如此光就能以新的方式被操控和利用。郑跃兵团队开发了一系列纳米结构材料，以在纳米尺度上引导光流，以改善光学冷却和传感应用（ACS Nano, 2021, 15, 6448; PNAS, 2020, 117, 14657; Adv. Optical Mater., 2017, 5, 1700034）（见图3）。通过将半导体纳米结构排列在金属或介电纳米结构附近，可以引导能量和电子迁移，以增强光吸收和发射过程，这对于太阳能转换和光通信来说相当重要（Adv. Mater., 2022, 34, 2108721; Adv. Mater., 2021, 33, 2007236; Adv. Mater., 2019, 31, 1904132; Adv. Mater., 2018, 30, 1705779）。郑跃兵团队利用仿生学和机器学习设计具有针对性应用的最佳性能纳米结构材料，而光学操作技术可以按需制造纳米结构材料。

图3. 利用光热操控和手性超材料增强手性光谱学，实现对手性分子的无标记超灵敏对映异构体鉴别，以用于太空生命探测、制药质量控制和医疗点对点疾病诊断（ACS Nano, 2021, 15, 6448）

3. 纳米光子学与人工智能之间的协同作用

人工智能（AI）与纳米光子学的整合具有引人关注的前景（Laser Photonics Rev., 2021, 15, 2000422; Nanophotonics, 2019, 8, 339）。人工智能可协助设计纳米光子学材料和器件（Nanophotonics, 2021, 10, 4057; ACS Photonics, 2020, 7, 2703）。传统的逆向设计依赖于试错过程，耗时耗力且成本高。相比之下，机器学习作为人工智能的一个子领域，提供了数据驱动的方法，利用大量的训练集来改进设计优化过程以实现特定任务。反过来，经过特殊设计的纳米光子电路可以执行诸如推理之类的机器学习任务，这使得人工智能和纳米光子学之间的关系变得相互关联且具有交互性。由于人工智能和纳米光子学具有不同的背景，对这个跨学科领域感兴趣的人通常存在知识鸿沟。鉴于此，姚侃和郑跃兵近期编写书籍《纳米光子学与机器学习-概念、基础和应用》 （Nanophotonics and Machine Learning: Concepts, Fundamentals, and Applications）（见图4），这是第一本旨在介绍纳米光子学和机器学习（尤其是深度学习）基础知识的书籍，旨在帮助读者了解这些领域如何相互增强。希望所有层次的读者（本科及以上学生、专业人士以及研究人员）都能够轻松阅读本书并从中受益。

图4. Yao, K., Zheng, Y. (2023). Nanophotonics and Machine Learning. Springer Series in Optical Sciences, vol 241. Springer, Cham. https://doi.org/10.1007/978-3-031-20473-9 

更多信息，请访问郑跃兵教授团队网站：https://zheng.engr.utexas.edu/ 

导师介绍

郑跃兵

https://www.x-mol.com/university/faculty/38310